Radiologista, Inteligência artifical, telerradiologia, laudos a distância

Será que robôs são melhores que radiologistas na diferenciação entre nódulos na tireoide malignos e benignos utilizando técnicas de ultrassom? O resultado irá depender da experiência do radiologista, segundo artigo publicado na edição de outubro da publicação The American Journal of Roentgenology.

Após desenvolver e testar três algoritmos diferentes em estudo retrospectivo com aproximadamente 1000 casos, uma equipe de pesquisadores chineses concluiu que todos os algoritmos foram mais precisos que radiologistas inexperientes.

No entanto, apesar de alcançar uma maior sensibilidade, o algoritmo com os melhores resultados não conseguiu superar os resultados dos radiologistas mais experientes, cujos laudos foram utilizados para criar os próprios algoritmos (AJR, October 2016, Vol. 207:4, pp. 859-864).

De acordo com o Dr. Hongxun Wu do Hospital Jiangyuan, tais algoritimos poderão ser utilizados na tomada de decisão pelos radiologistas mais inexperientes.

Experiência que faz a diferença

Embora os nódulos na tireoide sejam bastante comuns, na maioria dos casos eles são benignos. De acordo com os autores, diversas características dos exames têm sido sugeridas como possíveis indicadores da malignidade, mas nenhuma delas é suficientemente sensível ou especifica para identificar todos os nódulos malignos. Como uma complexidade adicional, o ultrassom é subjetivo e dependente do seu operador: as concordâncias inter e intraobservador na interpretação dos resultados de exames de ultrassom relacionados a nódulos na tireoide só foram alcançadas entre os radiologistas mais experientes.

Diante disso, os pesquisadores procuraram construir modelos de classificação baseados em algoritmos de inteligência artificial, avaliando de forma retrospectiva o desempenho de radiologistas e algoritmos. Foram analisados 970 nódulos na tireoide histopatologicamente comprovados em 970 pacientes atendidos entre janeiro de 2012 e janeiro de 2014 no Instituto Jiangsu de Medicina Nuclear. Dos 970 nódulos, 507 (52,3%) eram malignos. Os casos de câncer incluíram 487 carcinomas papilares, 12 carcinomas foliculares, 4 carcinomas medulares, dentre outros.

Um radiologista realizou os exames de ultrassom nos pacientes usando um scanner de ultrassom iU22 (Philips Healthcare) com um transdutor de 5 – 12MHz.

Dois radiologistas – um com 17 anos e outro com 3 anos de experiência em exames de ultrassom de tireoide – analisaram as imagens retrospectivamente e classificaram os nódulos em uma escala de 1 a 5, sem qualquer conhecimento sobre as impressões do radiologista que realizou o exame. A partir das observações do radiologista mais experiente, os pesquisadores obtiveram variáveis estatisticamente significantes dos casos e as utilizaram como dados de entrada na construção do modelo de inteligência artificial.

3 tipos de algoritmos foram utilizados: um classificador bayesiano ingênuo (naive Bayes classifier), uma máquina de vetores de suporte (support vector machine) e uma rede de função de base radial (radial basis function neural network). Depois de completar os processos de treinamento e de avaliação, os pesquisadores compararam os desempenhos dos algoritmos e dos radiologistas.

A avaliação e comparação dos desempenhos foi realizada a partir da análise da curva COR (Característica de Operação do Receptor). Nesse cenário, o radiologista experiente produzir a maior área abaixo da curva, indicando o melhor desempenho diagnóstico.

Telerradiologia, laudos a distância, Star, ressonância, radiologia

A diferença da experiência

Segundo os pesquisadores, a diferença significativa na precisão do diagnóstico entre os dois radiologistas pode ser atribuída a variações na percepção e na interpretação, por parte dos radiologistas, de características das imagens adquiridas.

“Radiologistas inexperientes ou não especialistas podem superestimar seus conhecimentos e experiências, tomando decisões com base em um número limitado de informações”, afirmam eles. “Além disso, eles podem falhar ao considerar todos os elementos em conjunto”.

Por outro lado, os algoritmos tem a capacidade de “reunir todos as variáveis de forma consistente e compreensiva, mesmo em situações em que os dados coletados são ruidosos”.

Gostou do post? Assine nossa newsletter e fique por dentro de todas as novidades sobre diagnóstico por imagem, telerradiologia e gestão de centros de diagnóstico.